Context Engineering: Die Disziplin nach dem Prompt Engineering

Vor zwei Jahren galt: Wer gute Prompts schreiben kann, gewinnt. Heute beobachten wir in Projekten fast immer das Gegenteil — die besten Prompts scheitern an schlechtem Kontext, während mittelmäßige Prompts mit gutem Kontext brillieren.

Vom Satzbau zur Architektur

Context Engineering bezeichnet die Kunst, einem KI-System zur richtigen Zeit genau die Informationen bereitzustellen, die es für seine Aufgabe braucht — und nichts darüber hinaus. Das klingt banal, ist aber ein Architekturthema: Welche Dokumente, Datenbankauszüge, Werkzeugbeschreibungen und Verlaufsinformationen landen im Kontextfenster des Modells? In welcher Reihenfolge, in welcher Dichte? Moderne Modelle können zwar riesige Kontexte verarbeiten, aber Forschung und Praxis zeigen dasselbe Phänomen: Was in der Mitte eines überfüllten Kontexts steht, wird gern überlesen. Mehr ist nicht besser. Präziser ist besser.

Warum Agenten das Thema verschärfen

Bei einem einzelnen Chat-Prompt verzeiht das Modell vieles. Ein Agent, der über Stunden hinweg Dutzende Schritte ausführt, verzeiht nichts: Jeder überflüssige Textbaustein wandert durch jede Folgeaktion, verwässert die Aufmerksamkeit des Modells und kostet nebenbei Geld. In unseren Projekten hat sich deshalb ein Grundsatz etabliert: Der Kontext eines Agenten wird kuratiert wie eine gute Übergabe an einen neuen Kollegen — das Wesentliche, aktuell, auffindbar, ohne Altlasten. Dazu gehören saubere Wissensquellen, klare Werkzeugbeschreibungen und das konsequente Zusammenfassen langer Verläufe.

Ein Handwerk, kein Trick

Die schöne Nachricht: Context Engineering ist erlernbar und messbar. Man sieht die Wirkung direkt in Erfolgsquoten, Bearbeitungszeiten und Kosten pro Vorgang. Es ist das unspektakulärste Thema unserer Serie — und vielleicht das mit dem größten Hebel.

Wenn Ihre KI-Lösung klüger wirken soll, ohne dass Sie das Modell wechseln: Oft liegt die Antwort im Kontext. Wir schauen gern gemeinsam hinein.